如何基于不同长度字典进行单因素ANOVA分析？

你手头有一组不等长的分组实验数据：

data = {'treatment_1': [80, 0, 0, 8],
        'treatment_2': [78, 62],
        'treatment_3': [85, 62, 10, 3, 18, 18, 98, 71, 78, 12, 52, 39, 24, 13],
        'treatment_4': [78, 33, 78, 40, 47, 32]
       }

直接用pd.DataFrame(data)生成DataFrame时会触发报错：

ValueError: All arrays must be of the same length

这是因为Pandas默认生成的是宽格式表，要求所有列长度一致，但ANOVA分析需要的是长格式数据（一列存分组标签，一列存对应样本值），所以不用硬凑等长，转成合适的格式即可。

1. 将不等长字典转成长格式DataFrame #

遍历字典，把每个样本的分组标签和数值配对，构建长格式数据：

import pandas as pd

data = {'treatment_1': [80, 0, 0, 8],
        'treatment_2': [78, 62],
        'treatment_3': [85, 62, 10, 3, 18, 18, 98, 71, 78, 12, 52, 39, 24, 13],
        'treatment_4': [78, 33, 78, 40, 47, 32]
       }

# 构建长格式数据列表
long_format_data = []
for treatment_name, values in data.items():
    for val in values:
        long_format_data.append({'分组': treatment_name, '数值': val})

# 转换成DataFrame
df = pd.DataFrame(long_format_data)

生成的长格式表每行对应一个样本，完全满足ANOVA的输入要求。

2. 执行ANOVA分析 #

这里提供两种常用的实现方式：

方式一：使用scipy.stats快速计算 #

提取每个分组的数值列表，调用f_oneway直接得到F统计量和P值：

from scipy.stats import f_oneway

# 提取各分组数值
group1 = df[df['分组'] == 'treatment_1']['数值']
group2 = df[df['分组'] == 'treatment_2']['数值']
group3 = df[df['分组'] == 'treatment_3']['数值']
group4 = df[df['分组'] == 'treatment_4']['数值']

# 执行ANOVA
f_statistic, p_value = f_oneway(group1, group2, group3, group4)
print(f"F统计量: {f_statistic:.4f}, P值: {p_value:.4f}")

方式二：使用statsmodels生成完整方差分析表 #

这种方式会输出包含自由度、平方和、均方等的详细统计结果，更适合专业分析：

import statsmodels.api as sm
from statsmodels.formula.api import ols

# 拟合方差分析模型
model = ols('数值 ~ C(分组)', data=df).fit()
anova_result = sm.stats.anova_lm(model, typ=2)
print(anova_result)

关于字典存储的疑问 #

字典完全适合存储这种不等长分组数据，它能清晰关联分组名称和对应样本集合。你之前的问题只是选错了DataFrame的格式（宽格式不支持不等长），转成长格式后就可以正常用于分析，不需要更换存储方式。

内容的提问来源于stack exchange，提问作者jason-hernandez-73